30 июня 2026 года в ФГБУ «НМИЦ гематологии» Минздрава России состоялся Учёный совет, посвящённый практическому применению технологий искусственного интеллекта в гематологической практике. Сотрудники информационно-аналитического отдела представили два доклада, посвящённых внедрению ИИ в научную, клиническую и административную деятельность центра.
Открывая заседание, начальник информационно-аналитического отдела, к.т.н., Сергей Михайлович Куликов представил доклад «Как мы учимся использовать ИИ», в котором рассказал об опыте отдела по применению методов машинного обучения для анализа клинических данных. Он отметил, что искусственный интеллект и машинное обучение перестали быть экспериментальными технологиями и постепенно становятся полноценными инструментами, способными решать практические задачи в медицине.
В докладе было подчеркнуто, что методы машинного обучения позволяют обнаруживать закономерности в больших массивах медицинских данных, где традиционные статистические подходы уже недостаточно эффективны. Были представлены результаты нескольких исследований.
В одном из них с помощью метода случайных лесов (RSF) проанализированы геномные аберрации у 36 пациентов с Ph-негативным B-ОЛЛ. Алгоритм позволил определить наиболее значимые факторы, влияющие на общую выживаемость пациентов. Полученные результаты были подтверждены классической моделью Кокса и опубликованы в журнале International Journal of Molecular Sciences.
В другом исследовании на основе данных иммунофенотипирования 38 пациентов с острым промиелоцитарным лейкозом из 120 лабораторных показателей был обнаружен ключевой предиктор развития дифференцировочного синдрома — средняя интенсивность флуоресценции CD38. Исследователи определили пороговое значение показателя (25 000), которое может использоваться при принятии решения о начале профилактической терапии.
Отдельное внимание было уделено использованию больших языковых моделей, таких как Perplexity и ChatGPT, в повседневной работе специалистов. Сегодня они помогают при переводе и редактировании научных текстов, поиске информации, проверке гипотез и написании программного кода. При этом докладчики подчеркнули, что применение языковых моделей для непосредственного анализа медицинских данных требует большой осторожности: накопленный опыт показывает, что такие задачи по-прежнему должны решаться специализированными статистическими методами.
Второй доклад, представленный специалистом информационно-аналитического отдела Софией Эдуардовной Старченко, был посвящён проекту «ИИ-каталогизация электронных записей МИС». Его цель — создать систему, которая автоматически анализирует текст медицинской документации и детализирует диагнозы пациентов в соответствии с внутренним нозологическим справочником центра.
Необходимость такого решения связана с тем, что коды МКБ-10 не отражают многих клинически важных особенностей заболевания — его тяжести, молекулярных характеристик, осложнений и других значимых факторов. При этом вся необходимая информация уже содержится в текстах выписок, однако её поиск и обработка до сих пор требуют ручного просмотра документов.
Разрабатываемая система использует технологии искусственного интеллекта для анализа медицинских текстов и автоматического выделения клинически значимой информации. Особое внимание уделено информационной безопасности: обработка данных выполняется полностью на серверах НМИЦ гематологии, без передачи медицинской информации во внешние облачные сервисы.
В настоящее время создан рабочий прототип системы, который успешно протестирован на первых 30 историях болезни. Следующим этапом станет оценка точности алгоритмов совместно с врачами-экспертами, расширение тестирования до нескольких сотен пациентов и интеграция решения с действующей медицинской информационной системой учреждения.
Ожидается, что внедрение проекта позволит повысить точность административного учёта пациентов, значительно ускорить формирование когорт для научных исследований, обеспечить быстрый доступ к структурированной информации о госпитализациях и создать основу для последующего мониторинга пациентов, утративших контакт с учреждением.
